在高炉冶炼进程中，炉前作业是一个重要的环节，其主要任务是连续不断地将高炉内生成的渣铁从铁口排出，在主沟内渣铁分离后，高炉渣经渣沟进入渣处理系统，铁水流经铁沟和摆动溜槽进入鱼雷罐车运输至下道工序，保证高炉生产正常进行。炉前作业的主要场所为高炉出铁场，是除高炉本体之外最重要的高温区域，由出铁场平台、出铁口、主沟和渣铁沟、残铁沟、摆动溜槽和炉前除尘系统组成。宝钢高炉设有4个铁口分布在2个对称的矩形出铁场。出铁场由多种耐火材料组成，耐火材料性能决定了高炉的安全生产和正常运行。 目前具有近40年大型高炉操作经验、拥有9座4000m3以上大型高炉、大型高炉铁水年产能超过3300万吨的宝钢股份，经过多年技术研发及应用改进，出铁场耐火材料应用消耗水平总体保持在国内领先水平，但是还存在着很多薄弱环节，影响了出铁场耐材整体应用水平，给现场生产与环保造成了不少困难与安全隐患。 针对特大型高炉出铁场在出铁口和沟系统应用中存在主沟接头易钻渣渗铁、沟料施工烘烤时间长、采用沥青结合的出铁场耐材使用过程中产生可视环境污染、铁口区煤气火治理效果不佳影响铁口永久砖保护砖结构稳定、泥套损坏过快等技术难点，从现状问题着手，进行了损坏机理研究，产生改进方向，并试验出配套施工工艺，深入开展基础研究，提出解决方案后，以工业试验应用的方式验证、优化，取得显著的效果后，固化技术成果，形成大型高炉出铁场高效、环保耐材技术开发与应用技术，降低了劳动强度，消除了主沟接头处钻渣渗铁等事故，改善炉前作业环境和作业人员劳动强度。

热轧生产过程是钢铁全流程承前启后的重要工序，也是企业建设“云-边-端”高效协同管控体系的关键，热轧数字化智能制造系统对推进“铁钢轧”全流程高质量智能工厂建设具有重要意义。针对当前普遍存在多源异构数据融合与追溯难闭环、生产过程控制与质量溯源非协同、面向多目标决策的精益化管控不精细等痛点问题，具体体现在： 1、现场数据体量庞大、数据残缺和无效项过多，缺乏相应的大数据平台对数据进行统一且有效的采集、清洗、归集和存储。传统的离线存储方式需要大量物理硬盘，残缺数据无法实时还原及重现，并且数据安全性无法得到保证； 2、现场数据归集多采用时间维度，相应的数据时空转换技术不成熟，难以满足实物质量分析和溯源过程中使用空间维度数据的需求； 3、产品质量异常，无法实现精准定位溯源，控制系统L1/L2大多由第三方承建，底层模型黑箱瓶颈难以突破；监控预警场景定制化差异需求大，关键参数零散分布于不同系统导致现有技术无法统计全流程工艺设备状态； 4、设备运维停留在传统的人工点检+周期更换模式，重点设备监控停留在耳听眼看的阶段，一些先进的设备测振、测温、图像识别技术未能得到应用；复杂设备系统依靠单一的仪表阈值进行报警，缺乏劣化趋势和状态的模型判断； 5、轧线、磨辊间、钢卷库、质检等生产单元自动化程度低，存在着大量可用智能装备代替的人工操作，如加热炉板坯核对、钢卷质量判定等，工作效率低、操作失误多； 6、安全、环保、消防各模块分散管理，设备系统多，系统集控技术落后，后台监控人员多，紧急状态下人员协同慢； 7、能源和成本统计方法简单、粗放，部分能源点统计未能实现自动采集，能源消耗靠简单的系数来进行标准成本的分摊，成本统计无法精确到卷、班组、区域； 8、钢卷入库、下线、装车、作业无自动计划，物流无自动优化，作业流程无信息化跟踪，操作人员多、效率低下； 9、生产管理、质量管理、设备管理、成本管理、KPI指标管理和安全管理等各个维度的数据不同域，无法跨域联合分析，需人工拷贝、合并、分析。 因此，亟需汇聚车间级全流程数据，涵盖轧辊间、设备运维、能源环保、消防安全、运营管理及智慧决策开发需求，支撑主轧线及公辅等生产作业单元智能协同管控，建立基于精益化管理的热轧数字化智能制造系统。

热轧作为钢铁生产流程的重要环节，具有高频、强耦合、非线性等特点，温度、相变、应力相伴相生。经历工业3.0后，热轧技术在主线自动化程度、品种规格、产品质量、信息融通等方面取得了长足的进步，但仍然存在如下亟待解决的问题：库区、磨辊间、能源介质、质检等非主线单元存在着大量的人工操作，劳动生产率低下；加热能力、轧线节奏、多区域调度、生产顺行等问题影响产能释放，高效生产需求迫切；以板形、表面、轧破甩尾为代表的质量和生产稳定性长期困扰热轧企业，控制模型精度、设备状态、关键检测缺失、监控不完善、人工干预多等是主要原因；缺乏工厂级成本管理系统，能耗到卷（或板、管、棒等）、成本到卷无法实现，做不到精细成本控制；自动化、信息化已逐步完善，但许多和设备、人员、物料、能源等密切相关的数字化工作尚在起步；上下游工序、工厂业务之间缺乏物质流、信息流、能量流协同机制，工作效率低下，标准实施和固化困难，决策靠人。 热轧面临的如上问题大多是多因素或多目标问题，需要从全局加以考虑，现有的多级计算机系统构架具有局限性，热轧智能工厂建设则为解决如上问题提供了契机。本项目提出一种以问题为导向的热轧“双智控”智能工厂构架方案，以短板补齐、智能检测、工业互联网平台等为支撑，以关键绩效指标为牵引，从操维集约和业务协同两个方面出发，借助精准感知、数字孪生、工艺驱动、智能算法等手段，追求产线极度自动化和业务高效协同化。热轧智能工厂的建设实现物质流、能量流、信息流互联互通，并完成生产过程中大尺度的全局优化和资源配置，可推动真正意义上的热轧工厂技术变革。

冶金企业安全生产自身存在的主要问题：1）安全生产意识不强，不同程度对安全生产工作重视不够；2)安全管理水平不高，有些企业虽然建立了职业健康安全管理体系但体系整体运行水平不高；3)对重大危险源防范不足，对重大危险源缺乏规范科学的辨识和登记建档，重大危险源监控制度不健全或不落实，事故应急预案针对性差可操作性不强并缺乏必要的演练。 建龙集团现有14家钢铁子公司，吉林建龙率先开展智能安防管理平台建设，为建龙集团整体安全体系智能化管理探索出一个创新管理模式，同时将带动各子公司开展智能安防管理工作。吉林建龙结合国家“工业互联网+安全生产”行动计划，谋划将安全生产体系智能化、智慧园区可视化、消防系统智能化融合为一体，搭建一个具有建龙特色的智能安防管理平台。

抚顺新钢铁以“产城融合发展的典范、智能制造的先行者、绿色发展的践行者、建筑业综合服务平台的主导者”四大发展战略，为实现东北老工业基地全面振兴、全方位振兴而努力。从2018年6月至2019年5月，抚顺新钢铁通过整合型数据分析系统建设和复制与开发，在不断丰满完善的基础之下, 管理人员和工程师更愿意追求“更全面,更系统,更有效率”地针对各自的专业领域进行科学分析与管理。在围绕提升效率、提升能力、提升装备水平进而实现效益的提升推进全流程钢铁企业数字化转型过程中，存在一下问题： 1、员工数字化能力不足 随着数字化转型的推动，企业经营管理有了大量系统、全面的数据做支撑、提供参考，进而对“执行力、查找异常、反应速度、部门联动”也提出了更高的要求，此时员工能力是否能有力支撑管理则显得愈加重要。抚顺新钢铁属于传统冶金企业，员工对数字化转型、精细化工具、岗位融合、集控的理解能力不足。 2、复合型的专业钢铁信息技术人员供应十分有限 在数字化转型过程中,需要复合型的专业钢铁信息技术人员来支撑。从现有的人员及外招的潜力来看十分有限，业务不懂IT，IT不懂业务。 3、数据应用不足，数字价值发挥不充分 钢铁行业每天产生和利用大量数据，比如生产、能源、质量、安全、环保等。现场一级系统里面蕴含的数据如EMS、ERP，但是没有将数据进行应用，没有充分发挥数字的价值。 4、结果性与驱动性数据的集成与解析机制有待建立 数据驱动的智能企业包括数据资产的规划和治理、数据资产的获取和储存、数据资产的共享和协作、业务价值的探索和挖掘、数据服务的构建和治理、数据服务的度量和运营（迭代）六个部分。同时基于冶金工程流程的“制造流程-单元工序-单元操作”集成和解析的关系有待建立。 针对这些问题，抚顺新钢铁利用企业现有资源组建研发团队，自主研发了一种融合业务、组织与冶金流程的新一代集控中心，并不断持续迭代优化。

该项目是针对干熄焦炉工作内衬中的支撑部位传统牛腿柱砌体存在的缺点研制的一种新产品。所以，该产品的应用主要是针对干熄焦炉中的斜道区中的牛腿柱、牛腿柱过项等部位，同时根据该项目所研制的大砌块性能特点，也可将其应用于温度变化频繁，且需要支撑承重的热风炉等工作环境相似的热工设备上。 干熄焦炉是是焦化行业中一种高效的热回收设备，具有操作方便、节能、环保效果好的特点，是我国大力提昌使用的环保节能设备，现在全国已有200 多座，据不完全统计仅2019年又有19座规格不同的干熄焦炉在建，这些干熄焦炉的用户，由于传统理念上一些原因现在基本上还在使用着传统的小尺寸砌体，随着我公司对该项目的新产品的不断推广，正在影响着众多用户的认识，相信该项目的产品应用前景会不断扩大。当然，我公司会不断的对产品制作工艺进行不断的改进，扩大生产能力，以降低生产成本，提高产品性能以满足用户使用需求。

实现长材无人吊运，电磁吊具是最为通用的方式。但是棒线材难以严格按垛位码放，并且容易发生滚动移位，此时按照钢卷库的库位定位方式，容易由于定位精度不足产生钢材重心在吊具边缘之外的“虚吊”现象，从而导致起吊失败或者吊运过程中的钢材掉落事故。因此，需要开展针对长材无人天车吊运的关键技术攻关。另一方面，智能库管系统应能够适应长材吊运特点，对库位变化有自动调整适应的能力，并且应满足大型物流库对天车、地面物流设备、发运设备等的全局动态优化调度需求；同时，针对物流库区的厂内倒运与存储转运销售功能，需要满足无人操作条件下的全自动卸车、自动装车需求，并能实现与生产、销售系统的对接协同。 为此，北京科技大学工程技术研究院（以下简称“北科工研”）针对棒线材库区，创新开发了以库区环境感知与三维重构、机器视觉与天车控制深度融合、库区多智能体协同优化的智能库管调度、库区集控与智能工厂协同优化为标志性的第二代无人天车与智能库管技术，并实现针对棒材智能库与高线智能库的首创示范应用。

智能化、绿色化是钢铁行业的发展方向，而数字化是智能化的重要基础，在钢铁工程建设特别是新型钢厂建设过程中，如何实现全流程全方位的数字化和绿色化，还需要解决以下四个核心问题。 1.解决新一代信息技术与钢铁全流程深入融合的问题。一是解决信息感知与数据不全的问题；二是挖掘数据的深层次价值，解决大部分数据仍在沉睡的问题；三是提高数据孪生效率，解决产线各系统之间彼此孤立、信息孤岛，数据资产和价值有待进一步挖掘的问题。 2.解决绿色技术与工程设计的融合与协同问题。我国钢铁行业执行全球最严行业排放标准，河钢集团所在的河北省排放限值又高于国家标准。另外，钢铁行业存在工艺流程长、工序多、污染物种类多的特点，增加了污染物协同治理的难度。以产品为主导的传统钢厂设计模式，生产制造与绿色技术协同性不够，导致全流程绿色技术与总体设计融合难。 3.解决新一代流程钢厂各工序高效衔接的问题。依据冶金流程学理论，钢厂工序流转应遵循“流转时间最小化、空间路径最小化、过程排放最小化”的总体设计理念，但如何实现“最小化”，在实际操作时难以量化和及时调整。需要通过数字化手段，搭建流程优化和智能化运行总平台，实现各工序间的高效衔接。 4.解决钢铁工程项目管理手段不统一的问题。钢铁工程由于规模大、系统复杂，面临工程难以协同管理的问题，主要表现在工艺设计、设备管理、现场施工等资源集中管控平台缺失、技术体系无法共享、信息沟通效率低等方面，严重影响和制约了工程建设效率。

钢铁企业原料场接收经由水路、铁路、公路运输进厂的原燃料，通过存储转运、和混配加工，为高炉、烧结、焦化等工序提供生产需要原、燃料的稳定可靠供应。 料场由多个相对独立的子料场组成，分别负责储运不同品种的原燃料，供应对象也各不相同，按年产1000万吨铁水产能计算，年接收转运球团、块矿、焦炭、粉矿、生熔剂、混匀矿等近千种约为2600万吨原燃料。具有品种繁多，堆存场地料线更换频繁等特点。传统料场在管控方面存在以下问题： 1、堆取作业依赖机上人工操作 2、缺失关键信息 3、缺少对数据的统一管理 4、生产组织依赖个人经验，缺少科学决策系统支持 针对上述问题，中冶南方数智料场研发团队开发了数智料场技术，成功实现了钢铁企业大型料场的一体化管控，有效解决了传统料场在自动控制和管理技术方面存在的不足。

欧冶炉（简称“OF”）熔融还原炼铁工艺技术是经过工艺再造、装备开发和生态革命的非高炉炼铁新工艺。本技术变两段式COREX为三段式欧冶炉，创新性地开发了气化炉拱顶喷煤造气工艺、竖炉CGD工艺装置、欧冶炉煤气重整技术。显著提高了气化炉的煤气发生量和煤气质量，为降低燃料比奠定了基础。解决了竖炉煤气分布不均匀的结构设计缺陷，有效抑制了竖炉底部的反窜高温煤气，增强了煤气还原效率。同时，克服了传统炼铁工艺对优质冶金焦的依赖，解决了优质焦煤缺乏地区发展钢铁工业的资源制约性问题，利用动力煤代替块煤和冶金焦，从工艺技术上确立了欧冶炉的成本竞争力。开展了欧冶炉与高炉系统结合的研究，高效利用了传统高炉工艺产生的返焦及返矿资源，提升了各类原燃料的综合附加值。开发了欧冶炉的绿色炼铁新技术，成功处置了厂内含碳、含油、高硫等危险废弃物超过15000吨。实现了煤气脱碳循环利用技术在炼铁工艺的应用，进一步提升了煤气利用率，降低了化石燃料消耗。已形成完整的技术规程和操作标准。